ChatCompletion Pro API

POSThttps://api.minimax.chat/v1/text/chatcompletion_pro

2、支持token数

模型名称	最大token数（一次请求+回复的输入输出总token）
abab5.5-chat	16384

Python

import requests

group_id="请填写您的group_id"
api_key="请填写您的api_key"

url = "https://api.minimax.chat/v1/text/chatcompletion_pro?GroupId=" + group_id

payload = {
    "bot_setting": [
        {
            "bot_name": "MM智能助理",
            "content": "MM智能助理是一款由MiniMax自研的，没有调用其他产品的接口的大型语言模型。MiniMax是一家中国科技公司，一直致力于进行大模型相关的研究。",
        }
    ],
    "messages": [{"sender_type": "USER", "sender_name": "小明", "text": "帮我用英文翻译下面这句话：我是谁"}],
    "reply_constraints": {"sender_type": "BOT", "sender_name": "MM智能助理"},
    "model": "abab5.5-chat",
    "tokens_to_generate": 1034,
    "temperature": 0.01,
    "top_p": 0.95,
}
headers = {"Content-Type": "application/json", "Authorization": "Bearer " + api_key}

response = requests.request("POST", url, headers=headers, json=payload)

print(response.status_code)
print(response.text)

3.1.5 流式示例

（注：SSE在技术上没有限制HTTP请求method，GET/POST均可以用）

Shell脚本

group_id="请填写您的group_id"
api_key="请填写您的api_key"

curl --location "https://api.minimax.chat/v1/text/chatcompletion_pro?GroupId=${group_id}" \
--header "Content-Type: application/json" \
--header "Authorization: Bearer ${api_key}" \
--data '{
    "bot_setting": [ 
        {
            "bot_name": "MM智能助理",
            "content": "MM智能助理是一款由MiniMax自研的，没有调用其他产品的接口的大型语言模型。MiniMax是一家中国科技公司，一直致力于进行大模型相关的研究。"
        }
    ],
    "messages": [ 
        {
            "sender_type": "USER",
            "sender_name": "小明",
            "text": "帮我用英文翻译下面这句话：我是谁"
        }
    ],
    "reply_constraints": { 
        "sender_type": "BOT",
        "sender_name": "MM智能助理"
    },
    "stream": true,
    "model": "abab5.5-chat", 
    "tokens_to_generate": 1034,
    "temperature": 0.01,
    "top_p": 0.95
}'

# 样例输出
data: {
    "created": 1689747645,
    "model": "abab5.5-chat",
    "reply": "",
    "choices": [
        {
            "messages": [
                {
                    "sender_type": "BOT",
                    "sender_name": "MM智能助理",
                    "text": "Who am I?"
                }
            ]
        }
    ],
    "output_sensitive": false
}

data: {
    "created": 1689747646,
    "model": "abab5.5-chat",
    "reply": "Who am I?",
    "choices": [
        {
            "finish_reason": "stop",
            "messages": [
                {
                    "sender_type": "BOT",
                    "sender_name": "MM智能助理",
                    "text": "Who am I?"
                }
            ]
        }
    ],
    "usage": {
        "total_tokens": 187
    },
    "input_sensitive": false,
    "output_sensitive": false,
    "id": "0106b3bc9fd844a9f3de1aa06004e2ab",
    "base_resp": {
        "status_code": 0,
        "status_msg": ""
    }
}

Python

import json
import requests

group_id="请填写您的group_id"
api_key="请填写您的api_key"


def parseChunkDelta(chunkStr):
    parsed_data = json.loads(chunkStr[6:])
    if "usage" in parsed_data:
        return  # 当前为流式完结chunk，无增量信息
    delta_content = parsed_data["choices"][0]["messages"]
    print("delta message: ", delta_content)


url = "https://api.minimax.chat/v1/text/chatcompletion_pro?GroupId=" + group_id

payload = {
    "bot_setting": [
        {
            "bot_name": "MM智能助理",
            "content": "MM智能助理是一款由MiniMax自研的，没有调用其他产品的接口的大型语言模型。MiniMax是一家中国科技公司，一直致力于进行大模型相关的研究。",
        }
    ],
    "messages": [{"sender_type": "USER", "sender_name": "小明", "text": "帮我用英文翻译下面这句话：我是谁"}],
    "reply_constraints": {"sender_type": "BOT", "sender_name": "MM智能助理"},
    "model": "abab5.5-chat",
    "stream": True,
    "tokens_to_generate": 1034,
    "temperature": 0.01,
    "top_p": 0.95,
}
headers = {"Content-Type": "application/json", "Authorization": "Bearer " + api_key}

response = requests.request("POST", url, headers=headers, json=payload)

response = requests.post(url, headers=headers, json=payload, stream=True)
for chunk in response.iter_lines():
    if chunk:
        chunkStr = chunk.decode("utf-8")
        print(chunkStr)
        parseChunkDelta(chunkStr)

# 样例输出
data: {
    "created": 1689748384,
    "model": "abab5.5-chat",
    "reply": "",
    "choices": [
        {
            "messages": [
                {
                    "sender_type": "BOT",
                    "sender_name": "MM智能助理",
                    "text": "Who am I?"
                }
            ]
        }
    ],
    "output_sensitive": false
}
delta message:  [
   {
      "sender_type":"BOT",
      "sender_name":"MM智能助理",
      "text":"Who am I?"
   }
]
data: {
    "created": 1689748384,
    "model": "abab5.5-chat",
    "reply": "Who am I?",
    "choices": [
        {
            "finish_reason": "stop",
            "messages": [
                {
                    "sender_type": "BOT",
                    "sender_name": "MM智能助理",
                    "text": "Who am I?"
                }
            ]
        }
    ],
    "usage": {
        "total_tokens": 187
    },
    "input_sensitive": false,
    "output_sensitive": false,
    "id": "0106b69f7a21a753ea55f8f7c311dc07",
    "base_resp": {
        "status_code": 0,
        "status_msg": ""
    }
}

请求参数

Query 参数

GroupId

string

必需

用户的groupid，可在查看

示例值:

${group_id}

Header 参数

Authorization

string

给到的 API密钥

必需

Content-Type

string

可选

示例值:

application/json

bot_setting

array [object {2}]

必需

对每一个机器人的设定

bot_name

string

具体机器人的名字

必需

content

string

具体机器人的设定

必需

messages

array [object {3}]

对话内容

必需

sender_type

string

发送者的类型

必需

sender_name

string

发送者的名字

必需

text

string

消息内容

必需

reply_constraints

object

模型回复要求

必需

sender_type

string

指定回复的角色类型

必需

sender_name

string

必需

指定回复的机器人名称

model

string

调用的模型名称

必需

tokens_to_generate

integer

可选

最大生成token数，需要注意的是，这个参数并不会影响模型本身的生成效果，而是仅仅通过以截断超出的token的方式来实现功能

temperature

number

可选

较高的值将使输出更加随机，而较低的值将使输出更加集中和确定。

top_p

number

可选

采样方法，数值越小结果确定性越强；数值越大，结果越随机

{
  "bot_setting": [
    {
      "bot_name": "MM智能助理",
      "content": "MM智能助理是一款由MiniMax自研的，没有调用其他产品的接口的大型语言模型。MiniMax是一家中国科技公司，一直致力于进行大模型相关的研究。"
    }
  ],
  "messages": [
    {
      "sender_type": "USER",
      "sender_name": "小明",
      "text": "帮我用英文翻译下面这句话：我是谁"
    }
  ],
  "reply_constraints": {
    "sender_type": "BOT",
    "sender_name": "MM智能助理"
  },
  "model": "abab5.5-chat",
  "tokens_to_generate": 1034,
  "temperature": 0.01,
  "top_p": 0.95
}

示例代码

返回响应

成功(200)

HTTP 状态码: 200

内容格式: JSONapplication/json

created

integer

请求发起时间

必需

model

string

请求指定的模型名称

必需

string

回复内容

必需

choices

array [object {2}]

所有结果

必需

finish_reason

string

可选

结束原因，枚举值 stop：接口返回了模型生成完整结果 length：模型生成结果超过配置的tokens_to_generate长度，内容被截断 max_output：输入+模型输出内容超过模型最大能力限制

messages

array [object {3}]

回复结果的具体内容

可选

usage

object

必需

tokens数使用情况（流式场景下，增量数据包不含该字段；全量（最后一个）数据包含有该字段）

total_tokens

integer

必需

消耗tokens总数，包括输入和输出（模型以token为基本单位来理解输入和输出）

input_sensitive

boolean

输入命中敏感词

必需

output_sensitive

boolean

输出命中敏感词

必需

string

必需

本次请求的唯一标识，用于排查问题

base_resp

object

错误状态码和详情

必需

status_code

integer

必需

状态码（1000，未知错误 1001，超时 1002，触发RPM限流 1004，鉴权失败 1008，余额不足 1013，服务内部错误 1027，输出内容错误 1039，触发TPM限流 2013，输入格式信息不正常）

status_msg

string

错误详情

必需

{
  "created": 1689738159,
  "model": "abab5.5-chat",
  "reply": "Who am I?",
  "choices": [
    {
      "finish_reason": "stop",
      "messages": [
        {
          "sender_type": "BOT",
          "sender_name": "MM智能助理",
          "text": "Who am I?"
        }
      ]
    }
  ],
  "usage": {
    "total_tokens": 191
  },
  "input_sensitive": false,
  "output_sensitive": false,
  "id": "01068eae26a39a3a39b7bb56cfbe4266",
  "base_resp": {
    "status_code": 0,
    "status_msg": ""
  }
}

最后修改时间： 1 年前